近年来,我国大中型城市频繁的被雾霾笼罩,这对大气环境质量以及人们的健康都构成了巨大的威胁,而细颗粒物(PM2.5)则是雾霾的重要组成成分之一。严重的PM2.5污染不仅会增加患急性呼吸道疾病、哮喘以及肺癌等病的概率,甚至会缩短人类的寿命。而且会直接或间接的影响气候变换,改变人类的生存环境。因此,实现对未来一段时间内PM2.5的准确预测,一方面能够提醒人们及时做好防护措施,以免对身体健康产生影响;另一方面能够帮助环境保护部门提高对PM2.5的监测,以便更好的对雾霾治理进行宏观调控。本文的主要目的是预测兰州市PM2.5的日均浓度,故提出了基于两种时间序列分解方式的新的混合模型。为了验证本文提出的混合模型的有效性以及广泛适应性,选择了与兰州市地理位置以及大气环境完全不同的南京市进行模型验证。结果表明,本文提出的混合模型不仅对PM2.5日均浓度的预测更有优势并且具有广泛适应性。通过对两种分解方式下的混合模型的预测精度进行对比,发现STL分解方法在PM2.5日均浓度预测方面预测精度更高。